使用活动耦合笛卡尔波达向量与 RD3net 的声事件定位与检测
音频与语音处理
2020-10-09 v2 声音
摘要
本报告描述了我们提交给 DCASE2020 任务 3：声事件定位与检测（SELD）的系统。我们考虑了两种系统：一种是同时解决声事件定位（SEL）和声事件检测（SED）的单阶段系统，另一种是先分别处理 SED 和 SEL 任务，随后合并结果的两阶段系统。作为单阶段系统，我们提出了一个统一的训练框架，使用活动耦合笛卡尔波达向量（ACCDOA）表示作为 SED 和 SEL 任务的单一目标。为了高效估计声事件的位置和活动，我们进一步提出了 RD3Net，它结合了具有密集跳跃连接和膨胀的循环层与卷积层。为了提高模型的泛化能力，我们应用了三种数据增强技术：均衡混合数据增强（EMDA）、一阶 Ambisonic（FOA）信号旋转以及 SpecAugment 的多通道扩展。我们的系统相比基线系统展现出显著的性能提升。
引用
@article{arxiv.2006.12014,
title = {Sound Event Localization and Detection Using Activity-Coupled Cartesian DOA Vector and RD3net},
author = {Kazuki Shimada and Naoya Takahashi and Shusuke Takahashi and Yuki Mitsufuji},
journal= {arXiv preprint arXiv:2006.12014},
year = {2020}
}
备注
Submitted to DCASE2020 task3